葡萄酒质量的综合评价分析模型
中国海洋大学罗聃徐兴成谭萍指导教师高翔
【摘要】
近年来，我国掀起了一场葡萄酒热，对葡萄酒的需求与日俱增，特别是随着食品科学技术的发展，人们不再满足传统感官评价葡萄酒的水平，如何运用数据资料定量研究葡萄酒的品质，加快建立葡萄酒市场指标规则成为人们关注的焦点。本文主要研究了葡萄酒的品质与葡萄酒自身以及酿酒葡萄的理化指标的关系，给出了基于葡萄酒自身的理化指标以及酿酒葡萄的理化指标与芳香物质的定量综合评价模型。
首先基于两组评酒员对同一批葡萄酒的评价分数数据，采用假设检验中的t检验法建立评估两组数据差异的模型，得到了两组评酒员的评分存在显著差异的结论，并通过对两组数据进行方差分析，以判别结果具有的稳定性作为标准，得到第二组比较可靠。
接下来我们结合酿酒葡萄的理化指标和可信组评酒员的打分所刻画的葡萄酒的质量对酿酒葡萄进行分级，用聚类分析的方法将红，白葡萄酒和酿酒葡萄各分成了5类，然后对分好的葡萄类所酿造的葡萄酒进行统计，得到各类葡萄所对应的级别。
更进一步，我们分析了酿酒葡萄和葡萄酒的理化指标之间的联系，运用主成分分析的方法，从酿酒葡萄的30个指标中提取出了12个主要成分，进而通过逐步回归的方法建立起酿酒葡萄和葡萄酒的理化指标联系的模型。
最后我们将提取葡萄及葡萄酒的理化指标与芳香物质中的主成分，利用逐步回归的方法考察理化指标与芳香物质对葡萄酒质量的影响程度，通过对芳香物质对葡萄酒质量影响比重得到芳香物质对葡萄酒的质量有30%以上的影响比重（白葡萄的芳香物质对白葡萄酒的质量影响相对更大），故而不能完全用酿酒葡萄和葡萄酒的理化指标评价葡萄酒的质量。
关键词：假设检验聚类分析主成分分析逐步回归
一、问题重述
1.1问题背景
葡萄酒是由新鲜葡萄或葡萄汁经过酒精发酵而得到的一种含酒精饮料。葡萄酒质量是其外观、香气、口感、整体的综合表现。一方面，酒中的糖、酸、矿物质和酚类化合物，都具有各自独特的风味，它们组成了葡萄酒的酒体；另一方面，酒中大量的挥发性物质，包括醇、脂、醛、碳氢化合物等，都具有不同浓度、不同愉悦程度的香气，葡萄
酒最终的质量则是葡萄酒中各种成分协调平衡的结果。
1.2问题提出
随着葡萄酒产业逐渐升温，为了获得质量更好的葡萄酒，对酿酒葡萄及葡萄酒的研究也越加深入。现在流行的做法是通过聘请一批有资质的评酒员进行品评，但是这种感官评价的主观性总是带给我们模糊的印象。正如我们所知的，酿酒葡萄的好坏与所酿葡萄酒的质量有直接的关系，葡萄酒和酿酒葡萄检测的理化指标会在一定程度上反映葡萄酒和葡萄的质量。如何充分利用这些理化指标定量研究葡萄酒的质量成了炙手可热的研究问题。
二、问题分析
题目为我们提供了感官评价指标，葡萄和葡萄酒的各种理化指标和芳香物质的信息。本文的关键就是通过分析处理已给的数据，建立数学模型来研究葡萄酒质量的确立。为此，我们要依次达到题目给出的以下几个目标：
2.1 两组评价结果差异性和可信性研究
问题一给出了两组评酒员对同一批葡萄酒的评价分数，本文采用假设检验中的t检验法建立评估两组数据差异的模型，研究两组评价员的评价结果是否存在差异，判断是否能接受它们有显著性差异的假设。若判断的结果是这两组数据存在差异，我们就进入第二步，可靠性研究。我们分别对两组数据求方差，方差小的那组说明波动比较小，评酒员的评定比较稳定，数据比较可靠。
2.2酿酒葡萄的分级
首先，我们我们利用第一题的结果，用置信区间法对可信组的原始数据进行处理，降低评酒员之间的差异，提高酒样品之间的差异【1】；利用处理后的数据（总分）对葡萄酒进行分级；
然后，用初步处理后的酿酒葡萄的理化指标对葡萄进行聚类分析，将葡萄分成了若干类；分析每类葡萄对应的葡萄酒大都属于哪一级别，从而得出葡萄的级别；
最后，分析每一级葡萄理化指标的特点，建立起葡萄指标识别葡萄级别的模型帮助果农更好地利用好葡萄酿好酒。
2.3酿酒葡萄与葡萄酒理化指标的联系
问题三要求研究葡萄与葡萄酒理化指标之间的联系，我们先对于葡萄的30个理化指标进行主成分分析法，得到葡萄一些具有代表性的理化指标。然后我们建立葡萄的理化指标与葡萄酒的7个理化指标之间的多元线性回归方程，得到了酿酒葡萄与葡萄酒理化指标之间的定量联系。
2.4 理化指标对葡萄酒质量的影响及论证
问题四要求研究酿酒葡萄与葡萄酒的理化指标对葡萄酒质量的影响，以及是否能完
全用酿酒葡萄和葡萄酒的理化指标评价葡萄酒的质量。我们将提取葡萄及葡萄酒的理化指标与芳香物质中的主成分，利用逐步回归的方法考察理化指标与芳香物质对葡萄酒质量的影响程度，通过对芳香物质对葡萄酒质量影响比重得到芳香物质对葡萄酒的质量有30%以上的影响比重（白葡萄的芳香物质对白葡萄酒的质量影响相对更大），故而不能完全用酿酒葡萄和葡萄酒的理化指标评价葡萄酒的质量。
三、问题假设
1、同种葡萄酒在一组评酒员下的得分成正态分布。
2、一种葡萄对应酿制一种葡萄酒。
3、葡萄的成分充分转换成葡萄酒里的成分，不存在意外的浪费和挥发。
4、假设葡萄和葡萄酒芳香物质中没有检测到的成分不存在于该样本中，数据处理前将其置为零。
四、符号说明
五、建模的建立与求解
5.1模型一：基于t检验建立差异评估模型
我们采用假设性检验验证是否能接受两组评酒员评价结果无差异的假设。然后用方差分析两组评酒员组内数据的波动，认为较平稳的一组数据比较可靠。
5.1.1数据预处理
我们在整理数据的时候发现几个比较显著的异常数据：
1）第一组红酒数据—样品20—色调—品酒员4号数据缺失；
2）第一组白酒数据—样品3—持久性—品酒员7号数据明显有问题，怀疑是多敲了一个7；
3）第一组白酒数据—样品8—口感分析—浓度—品酒员2号数据明显异常。
因为随机样本在均值附近振荡，所以我们选用均值来代替异常数据以求误差最小。
5.1.2基于成对数据的t 检验【2】
1）模型的建立：
将两组评酒员分别看作两个整体1T 、2T ，对每个红葡萄酒样品(1)i J (1,2,,27)i = （白葡萄酒样品(2)i J (1,2,,28)i = ）进行感官评价，1T 对每个红葡萄酒样品(1)i J 的评价结果通过组内每一位品酒员的评分(1)
ij
x (1,2,,10)j = 的均值10(1)
(1)
1
110i
ij j x x ==∑来刻画，同样2T 对每个红葡萄酒样品(1)
i J 的评价结果用均值10
(1)
1
110i ij j y y ==∑来刻画，从而得到两组评酒员
对每种样品酒的评价结果，建立两组评酒员对红葡萄酒的评价结果见表1。
红葡萄酒样品1234567891011121314第一组评分62.7
80.3
80.4
68.6
73.3
72.2
71.5
72.3
81.5
74.2
70.153.974.6
73
第二组评分
68.17474.671.272.166.365.36678.268.861.668.368.872.6D
-5.4
6.3 5.8-2.6 1.2 5.9 6.2 6.3 3.3 5.48.5-14.4 5.80.4
红葡萄酒样品15161718192021222324252627第一组评分58.774.979.359.978.678.677.177.285.67869.273.873第二组评分
65.769.974.565.472.675.872.271.677.171.568.27271.5D
-7
5
4.8
-5.5
6
2.8
4.9
5.6
8.5
6.5
1
1.8
1.5
表1 红葡萄酒的评价结果
表中的数据是成对的，即对同一酒样品(1)i J 得到一对数据。可知一对与另一对数据之间差异是由各种因素，如葡萄酒的外观、香气、口感、材料成分等因素引起的。由于各酒样品(1)i J (1,2,,27)i = 的特性有广泛的差异，就不能将第一组评酒员1T 对27种红葡萄酒的评价结果看成是同分布随机变量的观测值。因而表中第一行不能看成是一个样本的样本值，同样第二组的数据也不能看成是同一个样本的样本值，而同一对中两个数据是同分布随机变量的观测值，他们的差异是由于两组品酒员的水平引起的。为鉴定他们的评价结果有无显著性差异，可使用基于成对数据的逐对比较法。
以红葡萄样品为例，有27对相互独立的评价结果：11222727(,),(,),,(,)X Y X Y X Y ，令111222272727,,,D X Y D X Y D X Y =-=-=- ，则1227,,,D D D 相互独立。由于
122,,,D D D 是由同一因素所引起的，可认为它们服从同一分布。现假设2
(,)i D D D N μσ ，
1,2,,27i = 。就是说1227,,,D D D 构成正态总体
2(,)D D N μσ的一个样本，其中2
,D D
μσ未知。基于这一样本检验假设：
01:0,:0D D H H μμ=≠ （1）
分别记1227,,,D D D 的样本均值和样本方差的观测值为d ，2D s 。对1227,,,D D D 进行单
个均值的t 检验，检验问题的拒绝域为（显著水平为α）：
2(1)t t n α=
≥-. （2）
当t 的值不落在拒绝域内，接受0H ，认为两组品酒员的评价结果没有显著差异，否则两组品酒员的评价结果有显著性差异。
对白葡萄酒的处理同红葡萄。 2）模型的求解：
现以红葡萄酒为例求解，首先，作出同一酒样品(1)i J (1,2,,27)i = 分别由两组品酒员1T 、2T 得到的评价结果之差，列于表1的第三行。根据建立的模型需检验假设
01:0,:0D D H H μμ=≠.
我们取α=0.02，则20.01(26)(26) 2.4786t t α==，通过查表即知拒绝域为
2.4786t =
≥
由观测值得 2.5407d =，2
27.7883D s =
， 2.5044 2.4786t =
=≥.现t 的值落在
拒绝域内，故接受1H ；同样对白葡萄酒进行成对数据的t 检验，得白葡萄酒观测值之差
的均值 2.5214d =-，2
24.9124D s =
， 2.6249 2.4727t =
=≥，故认为两组品酒
员的评价结果有显著性差异。
5.1.3可信度定量分析
1）模型的建立：
记第一组10位品酒员对红葡萄酒样品(1)i J (1,2,
,2i = 的评分为
(1)
ij a (
1,2,,1j = ，
10(1)
(1)1110i
ij j a a ==∑，10(1)(1)2
(1)211
1()10i ij i j s a a ==-∑ （3） 其中，(1)
i a 表示第一组品酒员对红葡萄酒样品(1)i J 的评分均值，(1)21i s 表示(1)i J 的评分方差；
同样，第二组对红葡萄酒样品(1)i J 的评分均值和方差分别为
10(1)
(1)1110i ij j c c ==∑，10(1)(1)2(1)
221
1()10i ij i j s c c ==-∑ （4）
从而对每一组品酒员得到一个评分方差向量
(1)2(1)2(1)2(1)211112127(,,,)S s s s =
(1)2(1)2(1)2(1)222122227(,,,)S s s s =
同理可求得白葡萄酒的(2)21S ，(2)22S 。再对(1)21S 和(1)2
2S 中的元素分别求和得到方差和，用方差和对比得到对于同一批红葡萄两组不同的评价水平。方差和小的稳定性好，相对来说比另一组的评价结果是更可信的。 2）模型的求解：
运用excel 软件进行求解，容易得到(1)21S ，(1)22S ，(2)21S ，(2)2
2S ，具体附录一 对红葡萄酒而言：(1)21S 元素的和为1409.3，(1)2
2S 元素的和为821.1。对白葡萄而言：(2)21S 元素的和为3183.1，(2)22S 元素的和为1388.5。不管是红葡萄酒还是白葡萄酒，第一组的方差
和总是远远大于第一组。为了更直观的看到这个结果，下图即为两组评酒员对两种葡萄酒的方差图像，可以直观的看到第二组的波动程度比第一组的小，第二组更可信。
图1 两组品酒员对红、白葡萄酒的评分方差图
5.2模型二：基于聚类分析建立酿酒葡萄分级模型
我们根据可信组评酒员给每种酒样品的打分来确定葡萄酒的质量；再用聚类分析对酿酒葡萄进行分类，对每类的葡萄酿造的葡萄酒进行统计，对应地得到这类葡萄所对应的级别。
5.2.1葡萄酒的分级
1）置信区间法
置信区间法【2】能有效的降低评酒员之间的差异，提高酒样品之间的差异【1】，虽然我们在第一问中分辨出第二组评酒员评判出的数据更可靠，但是我们不能排除第一组评酒员的专业性，为了最可靠的样本，我们应该综合两组评价的分数。所以本文先采用置信区间法分别处理第一，二组数据，处理之后对同种葡萄酒的分数做一个平均。
以红葡萄酒为例用置信区间处理第一组数据，计算评酒员对酒样品
(1)i J (1,2,,27i = 评价的置信区间为(1)(1),i i i i a a σσ??-+????
其中(1)i a 为酒样(1)i J 的平均值；, i σ为酒样(1)i J 的标准差。
如果评酒员j 对酒样(1)i J 的评价(1)ij a 在其置信区间范围内就可以直接使用; 如果其评价(1)ij a 不在置信区间范围内, 则做如下变换：
若 (1)ij a <(1)
i
i a σ-, 则(1)(1)ij ij i a a σ=+ 若 (1)ij a > (1)
i
i a σ+,则(1)(1)ij ij i a a σ=-
若变换之后的(1)ij a 仍不在置信区间范围内，再重复上面的变换，这样逐步调整，直至不
同评酒员对同一酒样的评价值都处于(1)(1)
,i i i i a a σσ??-+????
范围内。
对第二组数据做同样处理，再对同种酒样(1)
i J 两组数据做平均。同样方法得到红白葡萄置信区间法处理后的数据见附录2。 2）葡萄酒分级
现在国际上对葡萄酒的分类流行用罗伯特·帕克的分类方法【3】，即： 96-100分 顶级葡萄酒
90-95 分 具有高级品味特征和口感的葡萄酒
80-89 分品质优良，口感纯正
70-79分一般，略有瑕疵
60-69分低于一般
50-59分次品，可以认为是一款不合格的葡萄酒
通过分析所有葡萄酒样品的最高分和最低分，我们发现处于运用罗伯特分级标准分级的此次过于宽泛，所以我们借鉴罗伯特的分级标准制定本文的对葡萄酒的分级标准，以更好的体现酒样之间的差异。
葡萄酒样品的分级标准：
80~85分：高级葡萄酒
75~80分：中上级葡萄酒
70~75分：中级葡萄酒
65~70分：中下级葡萄酒
60~65分：下级葡萄酒
以下是根据1）的数据求得的葡萄酒总分的平均分
高级红葡萄酒：无
中上级红葡萄酒：9、23、20
中级红葡萄酒:3、17、2、26、14、19、5、21、4、24、27、22
中下级红葡萄酒：16、10、13、1、12、25、6、15、7、8
下级红葡萄酒：18、11
高级白葡萄酒：9、5、25
中上级白葡萄酒:21、10、28、22、17、15、23、1、4、19、14、27、26、18、24、
6、20、2、3
中级白葡萄酒:7、13、8、12、11
中下级白葡萄酒:16
下级白葡萄酒：无
5.2.2对酿酒葡萄的Q 型聚类分【4】
聚类分析方法是基于数值分类法的思想建立起来的，又称为系统聚类法。这里只基于酿酒葡萄样本进行聚类，成为Q 型聚类，其步骤为： 步骤一：数据标准化
以酿酒红葡萄和红葡萄酒为例，由于酿酒葡萄(1)i A (1,2,,27)i = 的各理化指标(1)ij x (1,2,,30)j = 使用了不同的量纲及数据的大小差距很大，对理化指标数据矩阵的处理采用标准化，处理方式为
(1)(1)
(1)
(1)
ij j ij
j x x x
s -=
（5）
其中(1)
j
x ，(1)j s 是矩阵(1)(1)2730()ij A x ?=每一列的均值和标准差。
步骤二：样本的相似性度量
在对酿酒红葡萄的理化指标进行聚类分析时，首先要确定理化指标样本的相似性度
量，本文采用相关系数来衡量两个指标样本的相似性。记样本(1)?j x
的取值1227
(,,,
)T n j j j x x x R ∈ (1,2
,,30j = ，则两个样本的相关系数 30
(1)
(1)(1)(1)(1)
130
30
(1)(1)2(1)(1)211()()
()()ij
j ik k i jk
ij
j ik k i i x
x x x r x x x x ===--=
??--????
∑∑∑ （6）
相似性度量中(1)
jk r 越接近1，(1)?j x
与(1)?k x 越相关；(1)jk r 越接近0，(1)?j x 与(1)?k x 的相关性越弱。
步骤三：样本的距离定义
在对酿酒葡萄的聚类分析中，定义两类理化指标样本的距离（类平均法）为
(1)(1)12(1)(1)12??121
??(,)(,)j k j k x G x G D G G d x x n n ∈∈=∑∑ （7） 它等于12,G G 中两两样本点距离的平均，式中12, n n 分别为12,G G 中的样本点个数。其中
(1)(1)(1)??(,)1j k jk d x x r =-或(1)(1)(1)2
??(,)1j k jk d x x r =-。
步骤四：Q 型聚类分析求解模型
使用MATLAB 软件中的linkage 函数（本文所有程序均用matlab 7.11软件处理），对数据进行处理（matlab 程序见附录4），样本间相似性度量采用相关系数，类间距离的度量计算采用类平均法，对两种酿酒葡萄进行Q 型聚类分析，画出聚类图，对酿酒葡萄划分类别。
1）红、白葡萄的聚类分析图如下：
图2红、白葡萄的聚类图
2）聚类结果分析
红葡萄划分成6类的结果如下：
属于第1类的样本有：葡萄样品2、9 、23
属于第2类的样本有：葡萄样品1、8、14
属于第3类的样本有：葡萄样品3、21
属于第4类的样本有：葡萄样品4、5、6、7、12、13、15、16、17、18、19、20、
22、24、25、26、27
属于第5类的样本有：葡萄样品10
属于第6类的样本有：葡萄样品11
白葡萄划分成6类的结果如下：
属于第1类的样本有：葡萄样品2、8、11、16、19、25
属于第2类的样本有：葡萄样品4、5、9、10、12、14、17、20、21、22、23、24、
2 6、28
属于第3类的样本有：葡萄样品6、7、15、18
属于第4类的样本有：葡萄样品1、13
属于第5类的样本有：葡萄样品3
属于第6类的样本有：葡萄样品27
对于每类葡萄中的元素（单个葡萄样本），结合其酿造出的葡萄酒的品质，既该葡萄样本所酿造的葡萄酒的级别，来确定该葡萄的级别。然后再根据每类葡萄中葡萄样本级别的比例来确定该类葡萄的级别。对应葡萄酒的分级，我们也将葡萄分成高级，中上，中级，中下，下级
根据以上聚类分析的结果再综合葡萄酒的分级（葡萄酒的质量）我们得出如下结论：
5.3模型三：基于主成分分析和逐步回归建立葡萄与葡萄酒理化指标联系模型 为了更好的反应酿酒葡萄理化指标的实质，本文采用主成分分析法对30个指标进行处理，提取出葡萄理化指标的主成分；考虑到大多数葡萄到葡萄酒的化学反应时线性的，我们通过多元线性回归建立起葡萄和葡萄酒理化指标之间的联系。 5.3.1关于酿酒葡萄理化指标的主成分分析
本文运用主成分分析法对酿酒葡萄的理化指标进行主成分分析，将多个理化指标合为几个具有代表性的主成分，从而实现对高维变量空间进行降维处理。
主成分分析法的步骤如下： 1）对原始数据进行标准化处理
由于各指标的量纲与大小不同，首先须对初始指标的数值标准化，同一比较的尺度，方法如式（5）； 2）主成分的求解
将27个酿酒红葡萄样本的30个指标数据标准化处理后构成一个标准化数据矩阵
2730X ?，求X 的协方差阵1
T C X X n
=的特征值i λ(1,2,
,27)i = 及相应的特征向量i v (1,2,,27)i = ，将27征向量正交化得方阵V ，作变换Y VX =，将27征值按大小顺序进行排列，相应的27个新变量i y (1,2,,27)i = 。i λ越大的新变量i y 对模型的贡献率越大。新变量12,,y y 分别称为第一主成分，第二主成分，…，前面几个主成分构成了样本空间的最大变化特征：
(1)(1)(1)
11122(2)(2)(2)21122()()()1122n n n n
p p p p n n y v x v x v x y v x v x v x y v x v x v x ?=+++?=+++??
=+++?
?=+++?
（8）
前面几个主成分12,,,p y y y (27)p <对应的特征值12,,,p λλλ 的和占总和的比例
27
1
1
p
i
i
i i ρλλ
===∑∑ （9）
即为主成分12,,,p y y y 的累计贡献率，当0.8ρ≥时，可选用前p 个主成分代替原来酿酒葡萄样本中的30个理化指标。
5.3.2关于葡萄酒理化指标的多元线性回归
通过对酿酒葡萄的理化指标进行主成分分析，将多个理化指标合为几个具有代表性
的主成分，现将酿酒葡萄的主成分作为新的指标（现仍记为()12,,,p x x x ）对葡萄酒的每一项理化指标进行多元回归。
多元线性回归的模型为
01122p p y b b x b x b x ε=+++++ （10） 式中12,,,p x x x 为酿酒葡萄的主成分即为新的指标，y 为葡萄酒的理化指标，ε为测量
误差向量，(1,2,,)i b i p = 为回归系数。
设()12,,,,i i ip i x x x y ，1,2,,i m = 是()12,,,,p x x x y 的p 次测量值即确定12,,,p
x x x 为酿酒葡萄新的指标后葡萄的新指标值，则多元线性模型可表示为
01122i i i p ip i y b b x b x b x ε=+++++ ，1,2,,i m =
i y 为葡萄酒的第i 项理化指标。
为书写方便，采用矩阵形式表达，令
12m y y Y y ??????=?????? ，01p b b b b ??????=????????
，1112121222121111p p m m mp x x x x x x X x x x ?????
?=???????? ， 12m εεεε??
????=????
?? 则多元线性模型可表示为
Y Xb ε=+
求回归系数b 的估计值b
，就是求最小二乘函数 ()()()T Q b y Xb y Xb =--
达到最小的b 值。为此，令
0,0,1,2,,i
Q
i p b ?==? 可以求得b 的最小二乘估计
1()T T b X X X y -= 从而得到多元线性回归方程
01122n n
y b b x b x b x =++++ 5.3.3模型的求解
1）酿酒葡萄理化指标的主成分分析结果
利用MATLAB 软件中的pcacov 函数对酿酒葡萄（以红葡萄为例）的三十个理化指标
进行主成分分析（matlab 程序见附录5），1
T C X X n
=的前几个特征根及其贡献率如表
5。
表5：酿酒红葡萄理化指标的主成分分析结果
序号
特征根
贡献率
累计贡献率
1 6.966223.22070.2322
2 4.9416.46670.3969
3 3.737112.4570.5214
4 2.849.46680.6161
5 1.9988 6.66280.6827
6 1.7424 5.80790.7408
7 1.4185 4.72820.7881
8 1.2701 4.23350.830490.960
9 3.20310.8625100.7384 2.46140.8871110.6907 2.30250.910112
0.5138
1.7127
0.9272
可以看出，前8个特征根的累计贡献率就达到了80%以上，主成分分析效果很好。
下面选取前12个主成分（累计贡献率就达到了92.72%）对酿酒葡萄的三十种理化指标进行替代，前12个特征值对应的特征向量见附录，由此可得12个主成分分别为
1123021230
121230
0.14210.23250.05240.24450.22470.21970.27690.07800.1351y x x x y x x x y x x x =++-??=-++??
?
?=--+-?
从主成分的系数可以看出，第一主成分主要反映了前几个理化指标（氨基酸、蛋白
质、花色苷、褐变度和总酚等方面）的信息，第二主成分主要反映了白藜芦醇、黄酮醇、总糖和可滴定酸的信息，第三主成分主要反映了单宁、果皮质量和果皮颜色的信
息，……，第十二个主成分主要反映了黄酮醇和果梗比的信息。把各酿酒葡萄样本的原始三十个理化指标的标准化数据代入十二个主成分的表达式，就可以得到各葡萄样本的十二个主成分值。
2）葡萄酒理化指标的多元线性回归结果
利用各葡萄样本的十二个主成分值，对葡萄酒的每一项理化指标进行多元线性回归，红葡萄酒各理化指标的回归结果为
1121221212
71212
0.29110.02770.26150.32470.02890.08380.25500.00300.2108z y y y z y y y z y y y =-+-??=++-??
?
?=--++?
式中1212,,,y y y 为酿酒红葡萄的前十二个主成分，i z (1,2,,7)i = 为红葡萄酒的各理化指标。
从红葡萄的回归方程及主成分中，可知：酿酒红葡萄的第一、四主成分与红葡萄酒的理化指标存在较强的正相关关系，即红葡萄中的蛋白质、花色苷、褐变度、单宁和总酚及白藜芦醇、黄酮醇、总糖和可滴定酸等与红葡萄酒的理化指标存在较强的正相关性，果梗比、果皮质量与红葡萄酒的理化指标存在负相关。
白葡萄酒的各理化指标的回归结果为
(2)(2)(2)(2)
11213(2)(2)(2)(2)21213
(2)(2)(2)(2)61213
0.15430.14140.04770.16900.18520.03980.21390.04080.1870z y y z y y y z y y y ?=+++?=+++??
?
?=-+-?
式中(2)(2)(2)
1213
,,,y y y 为酿酒白葡萄的前十三个主成分，i z (1,2,,6)i = 为白葡萄酒的各理化指标。
从白葡萄的回归方程及主成分中，可知：酿酒白葡萄中的蛋白质、单宁和总酚及白藜芦醇、总糖和可滴定酸等与白葡萄酒的理化指标存在正相关关系，花色苷、褐变度、果梗比、果皮质量等与白葡萄酒的理化指标存在负相关关系。
5.4模型四：基于逐步回归分析法研究理化指标对葡萄酒质量的影响 5.4.1 逐步回归分析模型的建立
逐步回归法是一种变量筛选方法。逐步回归法采取边进边退的方法，对于模型外部的变量，只要它还可提供显著的解释信息，就可以再次进入模型；而对于已在内部的变量，只要它的偏F 检验【6】不能通过，则还可能从模型中被删除。 1）偏F 检验
在决定一个新的变量是否有必要进入模型，或者判断某个变量是否可以从模型中删除时，考虑这个变量能否对y 提供显著的附加解释信息？现采用偏F 检验。
设有n 个自变量12,,,n x x x ，采用这n 个自变量拟合的模型称为全模型，即
01122n n y b b x b x b x ε=+++++
从这n 个变量中删除自变量j x ，这时用1n -个自变量拟合模型称为减模型，即
0111111j j j j n n y b b x b x b x b x ε--++=+++++++
全模型的复判定系数为2R ，减模型的复判定系数记为2j R 。定义
222
j j R R R ?=-
由于在全模型中多一个自变量j x ，所以，若2j R ?几乎为零，说明增加j x ，对
y 的解释能力没有显著提高；否则，若2j R ?显著不为零，则j x 就可以为回归模型提供显著的解释信息。
给出统计假设22
01:0,:0j j H R H R ?=?≠
统计检验量为
(1)
j j Q Q
F Q n m -=
--
式中，j Q 是减模型的残差平方和，Q 为全模型的残差平方和。
根据检验水平α查F 分布表，得到拒绝域的临界值F α ，则决策准则如下： （i ）当j F F α>时，拒绝0H ，说明2j R ?显著不为零，这说明在111,,,,,j j n x x x x -+ 变量已进入模型后，引入j x 会显著提高对y 的解释能力；
（i ）当j F F α≤时，接受0H ，说明2j R ?显著为零，这说明在全模型中删除j x ，对
y 的解释能力无显著的减弱变化。 2）逐步回归分析 模型的起始首先要求y 与每一个i x 的一元线性回归方程，选择F 值最大的变量进入模型。然后，对剩下的1n -个模型外的变量进行偏F 检验（设定1i x 已在模型中），在若干通过偏F 检验的变量中，选择j F 值最大者进入模型。再对模型外的2n -个自变量做偏
F 检验。在通过偏F 检验的变量中选择j F 值最大者进入模型。接着对模型中的三个自
变量分别进行偏F 检验，如果三个自变量都通过了偏F 检验，则接着选择第四个变量。但如果有某一个变量没有通过偏F 检验，则将其从模型中删除。重复上述步骤，直到所有模型外的变量都不能通过偏F 检验，则算法终止。为了避免变量的进出循环，一般取偏F 检验拒绝域的临界值为
>F F 进出
式中，F 进为选入变量时的临界值；F 出为删除变量时的临界值。
3）理化指标对葡萄酒质量的影响 将酿酒葡萄和葡萄酒的理化指标合并为一个数据表（见附件），将得到的数据进行标准化处理，处理方法如式（5），基于模型三的酿酒葡萄理化指标的主成分分析法对合并的数据进行主成分分析，得到酿酒葡萄和葡萄酒的理化指标的p 个主成分，对其两者的理化指标降维，且增强指标的独立性，把各酿酒葡萄与葡萄酒合并的样本的原始三十九个理化指标的标准化数据代入p 个主成分的表达式，就可以得到各葡萄样本的p 个主成分值。将评酒员的评分作为葡萄酒质量的定量刻画，利用合成样本的主成分对葡萄酒质量进行逐步回归分析，得到酿酒葡萄和葡萄酒理化指标对葡萄质量的综合定量描述12(,,,)p y f x x x = ，改变其中的某一项或几项解释变量i x ，可以观察到该项或几项解释变量对葡萄质量的影响12(,,,,,)i p y f x x x x ?=? 。 5.4.2 逐步回归分析模型的求解
对酿酒葡萄与葡萄酒合并的样本进行主成分分析，以酿酒红葡萄、红葡萄酒为例主成分分析的结果如下：
可以看出，前8个特征根的累计贡献率就达到了80%以上，主成分分析效果很好。下面选取前19个主成分（累计贡献率就达到了98.63%），由此可得19个主成分分别为
1123921239
191239
0.10530.16150.00970.23910.18400.12250.23640.19690.1539y x x x y x x x y x x x =++-??=-++??
?
?=--+-?
现将前19个主成分代替原来的理化指标，然后对葡萄酒的质量进行逐步回归。运用MATLAB 中的Stepwise Regression 窗口（matlab 程序见附录6）进行交互式逐步回归，如图4。
图3 逐步回归交互式界面
复判定系数为20.8711R =，检验值15.2108F =，得到最终模型为
12612130.14230.17820.10270.19360.3670y y y y y y =-+-+-
此回归方程即为酿酒红葡萄和红葡萄酒的理化指标对红葡萄酒质量的影响方程，i y 表示酿酒红葡萄、红葡萄酒理化指标的第i 个主成分。 通过逐步回归分析后，影响红葡萄酒质量的红葡萄和红葡萄酒理化指标的主成分只剩下1213(1,2,,6),,i y i y y = 。结合红葡萄及红葡萄酒理化指标的主成分，糖转化为酒精，酸影响葡萄酒中的PH 值，单宁、色素等酚类物质溶解在葡萄酒中，红葡萄酒的颜色、气味、口感等与酚类、糖类和酸类等物质密切相关，而葡萄酒的质量目前主要依据评酒员的感官评价，葡萄酒的好坏与其外观、香气和口感密切联系，葡萄与葡萄酒的理化指标就在一定程度上影响了葡萄酒的质量，具体定量关系如上式回归方程。 5.4.3 关于葡萄和葡萄酒的理化指标对葡萄酒质量影响的论证
由于评酒员的感官评价中考虑了外观、香气和口感等综合因素，因此葡萄酒的感官质量是由葡萄酒的外观、香气、口感和整体因素等决定的，受评酒员个人的偏好的影响。若反映到葡萄及葡萄酒的化学组成，外观是受葡萄及葡萄酒的色泽等影响的，香气是由葡萄及葡萄酒的芳香物质影响的，而口感是由葡萄及葡萄酒的某些理化指标影响的。因此，理化指标在一定程度上反应了葡萄酒的质量，由于香气对葡萄酒质量的影响，可能芳香物质在一定程度上影响了葡萄酒的质量。
现在我们就采用主成分分析与逐步回归的方法对葡萄及葡萄酒的理化指标与芳香物质进行定量研究，考察理化指标与芳香物质对葡萄酒质量的影响程度。 分析步骤如下：
（1）葡萄和葡萄酒理化指标的综合主成分分析
基于模型四中酿酒葡萄和葡萄酒的理化指标的主成分分析法，得到了葡萄和葡萄酒
的两种理化指标合并在一起的综合主成分，记为(1)(1)(1)
1211,,,y y y 。 （2）葡萄和葡萄酒芳香物质的综合主成分分析
同对理化指标的处理方法，先将酿酒葡萄和葡萄酒的芳香物质合并成一个数据矩阵，先对其中的每一个元素进行标准化处理，然后进行主成分分析，得到芳香物质的主成分
(2)(2)(2)
1213
,,,y y y 。 （3）两种综合主成分的逐步回归
将葡萄和葡萄酒的理化指标及芳香物质的综合主成分看作同等地位的变量对葡萄酒的质量会产生一定的影响，现对其三者之间进行逐步回归分析（用matlab 的Stepwise Regression 窗口实现），得到理化指标与芳香物质的回归方程:
(2)(1)(1)(1)
91250.45040.16370.18060.1194y y y y y =+-++ （15） （4）理化指标与芳香物质对葡萄酒质量的影响比重
理化指标对葡萄酒质量影响比重计算为
11
(1)
1
111
13
(1)(2)1
1
i i i
j
i j k
SI k
k
====
+∑∑∑ （16）
芳香物质对葡萄酒质量影响比重计算为
13
(2)1
211
13
(1)(2)1
1
j j i
j
i j k
SI k
k ====
+∑∑∑ （17）
式中(1)i k 表示葡萄及葡萄酒理化指标的综合主成分(1)i y 在回归方程中的系数，(2)j k 表
示葡萄及葡萄酒芳香物质的综合主成分(2)j y 在回归方程中的系数，1SI 为理化指标对葡萄酒质量影响比重，2SI 为芳香物质对葡萄酒质量影响比重。
由式（15）的系数及式（15）、式（16），可以计算得理化指标对红葡萄酒质量影响比重165.5%SI =，芳香物质对红葡萄酒质量影响比重235.5%SI =；同样可以计算得理化指标对白葡萄酒质量影响比重153.1%SI =，芳香物质对白葡萄酒质量影响比重
246.9%SI =，说明红、白葡萄和红、白葡萄酒的芳香物质对葡萄酒的质量有30%以上的影响比重，白葡萄的芳香物质对白葡萄酒的质量影响相对更大。根据实际情况，红葡萄酒的颜色、气味、口感等与酚类等理化指标密切相关，而白葡萄酒的质量，主要由源于葡萄品种的一类香气和源于酒精发酵的二类香气以及酚类物质的含量所决定。故而它们的理化指标对葡萄酒的质量有较大程度的影响，但并不能完全用酿酒葡萄和葡萄酒的理化指标评价葡萄酒的质量。
5.5 结果分析
1）两组评价结果差异性和可信性研究结果
基于两组评酒员对同一批葡萄酒的评价分数数据，采用假设检验中的t 检验法建立评估两组数据差异的模型，得到了两组评酒员的评分存在显著差异的结论，并通过对两组数据进行方差分析，以判别结果具有的稳定性作为标准，第一组评酒员的评酒水平波动较大，第二组较为稳定，故得到第二组比较可信。 2）酿酒葡萄的分级结果
我们利用第一题的结论，用置信区间法对可信组的原始数据进行处理，降低评酒员
之间的差异，提高酒样品之间的差异，利用处理后的数据对葡萄酒进行分级；然后，根据酿酒葡萄的理化指标对葡萄进行聚类分析，将葡萄分成了若干类；分析每类葡萄对应的葡萄酒大都属于哪一级别，从而得出葡萄的级别，葡萄的分级结果见表4。为了更直观看清葡萄的分级结果，作如下直方图：
红葡萄级别直方图
24681012141618高级中上中级中下下级数目/
种
白葡萄级别直方图
246810121416高级中上中级中下下级
数目/
种
图4 红葡萄和白葡萄的级别数量直方图
观察以上两幅直方图我们能很直观的看出不同级的红葡萄数量分布和正态分布很相近，中级的葡萄占了总数的大部分，高级和低级的红葡萄占了小部分，符合自然的生物规律；而不同级的白葡萄分布的一个突出特点就是高级葡萄特别多，我们查了网上的资料，绝大部分的白葡萄都是从意大利，法国等国外引进【5】，应该经过人工的精心挑选，所以分布呈现出特殊的形态。
3）酿酒葡萄与葡萄酒理化指标的联系
研究葡萄和葡萄酒的理化指标之间的联系，我们运用了主成分分析的方法，从酿酒葡萄的30个指标中提取出了12个主要成分，进而通过逐步回归的方法建立起酿酒葡萄和葡萄酒理化指标的定量联系。可以得到酿酒红葡萄的蛋白质、花色苷、褐变度、单宁和总酚及白藜芦醇、黄酮醇、总糖和可滴定酸等与红葡萄酒的理化指标存在较强的正相关性，果梗比、果皮质量与红葡萄酒的理化指标存在负相关；酿酒白葡萄中的单宁和总酚、白藜芦醇等与白葡萄酒的理化指标存在正相关关系，花色苷、褐变度、果梗比、果皮质量等与白葡萄酒的理化指标存在负相关关系。 4）理化指标对葡萄酒质量的影响及其论证结果
研究葡萄与葡萄酒的理化指标对葡萄酒质量的影响，考虑了葡萄和葡萄酒芳香物质对葡萄酒的影响，得知红、白葡萄和红、白葡萄酒的芳香物质对葡萄酒的质量有30%以上的影响比重，且白葡萄的芳香物质对白葡萄酒的质量影响相对更大，也就是说它们的理化指标对葡萄酒的质量有较大程度的影响，但并不能完全用酿酒葡萄和葡萄酒的理化指标评价葡萄酒的质量，葡萄酒的质量还受到芳香物质、外观及加工工艺等其他因素的影响。
六、模型的检验
6.1回归模型的假设检验
葡萄酒的理化理化指标y 与酿酒葡萄的主成分1212,,,x x x 之间是否存在如模型
（10）所示的线性关系是需要检验的。 1）回归方程的显著性检验
如果所有(1,2,,12)i b i = 都很小，y 与12,,,p x x x 的线性关系就不大，所以可以令原假设为
0:0(1,2,,12)i H b i ==
1:(1,2,,12)i H b i = 至少有一个不为零
当0H 成立时由统计知识可知
12
~(12,27121)121)
U F F Q =----
Q 和U 是根据前面模型的建立得到统计值：27
2
1
?()i i i Q y y
==-∑，27
21
?()i i U y y ==-∑；在显著性水平α下有上分位数(12,27121)F α--，若(12,27121)F F α<--，接受0H ；否则，拒接。
利用MATLAB 软件进行回归模型的假设检验，我们取α=0.05，则(12,14)F α=2.53我们得到F 向量的7个值：14.8100 10.5319 9.0860 7.9587 6.6878 7.2357 6.6663。
2）回归系数的显著性检验 检验假设
01:0,:0(1,2,,12)i i H b H b i =≠=
对给定的显著水平α
计算统计量i T =i t 。
若2(27121)i t t α≥--，则拒绝0H ，即认为i b 显著不为零；若(27121)i t t α<--，则接受0H ，即认为i b 等于零。该模型的系数均通过了回归系数的t 检验。 3）复相关系数检验 复相关系数的定义：
21e R
T T
S S R S S =
=- 当离差平方和e S 越小，则复相关系数越大。该指标反映了一组自变量12,,,p x x x 解释因
变量y 的程度，201R <≤。2R 越接近1，表示因变量y 与各自变量之间i x 线性相关程度越强。该回归模型的复相关系数2R 为0.7201 0.6331 0.7530 0.9307 0.6878 0.8521 0.8663，线性相关性较好。所以我们能接受用回归模型来线性刻画酿酒葡萄和葡萄酒理化指标之间的联系。
七、模型的评价与优化
7.1模型优缺点分析
优点：该模型深入研究了酿酒葡萄及葡萄酒的理化指标，清晰明了的刻画了两种指标对葡萄酒质量的影响，创新性地通过数据评价了葡萄酒的品质，结合现在比较成熟的感官评价规则，更加客观全面地评价了葡萄酒。
缺点：我们不能排除酿酒葡萄的理化指标与葡萄酒的理化指标之间，以及酿酒葡萄和葡萄酒的理化指标与葡萄酒质量之间存在非线性的关系，但不管是多元线性回归还是逐步回归，都无法完全刻画指标与质量之间的关系。 7.2模型联系函数的改进分析
刻画联系的函数可由线性改为非线性（如正态函数），对于每个模型用更加合理的联
系函数去衡量（因为每个联系的关系和影响程度是不同的），得到更加精确的模型。
八、参考文献
【1】李华等. 葡萄酒感官评价结果的统计分析方法研究. 中国食品学报. 第6卷,第2
期,2006年4月.
【2】盛骤，谢氏千等，概率论与数理统计. 高等教育出版社，2008年6月，第181页.
【3】张哲，罗伯特帕克是如何评分的，https://www.doczj.com/doc/ee3088822.html,/article-150149.html ，2012年9月8日.
【4】薛毅，陈立萍．统计建模与R 软件（下册）．清华大学出版社2006年．466页．
【5】百度文库，白葡萄品种，https://www.doczj.com/doc/ee3088822.html,/view/50999510f18583d0496459aa.html ，2012年9月9日.
【6】Cleve B.Moler 著，喻文健 译. MATLAB 数值计算，机械工业出版社，2006年6月. 第243页
九、附录
附录1：
对红葡萄酒而言：
(1)2(1)2(1)2(1)211112127(,,,)=[83.61,35.81,41.24,97.24,55.81,53.76,93.25,39.61,29.65,12.17,63.69,
71.69,40.44,32.4,77.01,16.29,79.21,42.49,42.64,23.44,104.49,45.56,29.24,67.4,58.16,28.16,44.8];S s s s = (1)2(1)2(1)2(1)222122227(,,,)=[73.69,14.6,27.64,37.16,12.29,19.01,56.4,58.6,23.16,32.56,34.24,
22.61,13.76,20.84,37.21,18.09,8.25,45.24,49.64,35.16,31.96,21.84,22.29,9.65,39.36,37.4,18.45];
S s s s =
对白葡萄而言
(2)2(2)2(2)2(2)211112127(,,,)=[83,180.96,328.61,40.24,113.8,146.44,35.25,
165.24,83.49,191.41,159.41,104.21,153.69,102.8,118.44,160.16,129.76,140.89,41.76,57.96,155.44,124.8,39.29,100.01,30.49,65S s s s = .61,129.96,72.41];
(2)2(2)2(2)2(2)222122227(,,,)=[23.29,44.16,128.24,37.89,23.65,20.45,
37.65,28.01,95.64,63.36,79.04,126.04,42.09,14.29,48.64,74.01,34.61,27.21,23.44,45.04,57.96,48.24,10.44,34.69,95.85,92.61,32,22S s s s = .84];
附录2：
红葡萄酒使用置信区间前评分：
68 71 80 52 53 76 71 73 70 67 75 76 76 71 68 74 83 73 73 71 82 69 80 78 63 75 72 77 74 76 75 79 73 72 60 77 73 73 60 70 66 68 77 75 76 73 72 72 74 68 65 67 75 61 58 66 70 67 67 67 68 65 68 65 47 70 57 74 72 67 71 70 78 51 62 69 73 59 68 59 81 83 85 76 69 80 83 77 75 73 67 73 82 62 63 66 66 72 65 72 64 61 67 62 50 66 64 51 67 64 67 68 75 58 63 73 67 72 69 71 74 64 68 65 70 67 70 76 69 65 71 71 78 64 67 76 74 80 73 72 62 60 73 54 59 71 71 70 68 69 71 65 78 70 64 73 66 75 68 69 72 73 75 74 75 77 79 76 76 68 67 65 80 55 62 64 62 74 60 65 72 65 82 61 64 81 76 80 74 71 80 75 80 66 70 84 79 83 71 70 80 72 75 72 62 77 63 70 73 78 77 79 75 62 68 69 73 71 69 73 79 77 80 83 67 79 80 71 81 74 66 69 72 73 73 68 72 76 76 70 68 68 84 62 60 66 69 73 66 66 68 67 83 64 73 74 77 78 63 73 71
64 72 71 69 71 82 73 73 69
使用置信区间后
68.0000 71.0000 71.4000 60.6000 61.6000 76.0000 71.0000 73.0000 70.0000 67.0000;
75.0000 76.0000 76.0000 71.0000 71.8000 74.0000 79.2000 73.0000 73.0000 71.0000;
76.7000 74.3000 74.7000 78.0000 68.3000 75.0000 72.0000 77.0000 74.0000 76.0000;
葡萄酒行业市场分析报 告 LEKIBM standardization office【IBM5AB- LEKIBMK08- LEKIBM2C】
中国葡萄酒行业市场分析报告 一、关于中国葡萄酒生产、葡萄酒生产企业概况以及葡萄酒进出口、进口葡萄酒价格 （1）中国年酒葡萄种植面积、酿酒葡萄产量和葡萄酒产量 1. 在中国，葡萄酒还不是主流的饮用酒水。在大多数消费者的日常生活中，白酒和啤酒消费还占有很大的比重，具体数据见下表： 1988-1997年中国酒水产量比较对照表单位：万吨 年度酒水总产量白酒啤酒黄酒葡萄酒果酒酒精 1988 1989
1990 1385 1991 136 1992 1993 1994 2233 1995 1996 1997 2. 酿酒葡萄种植面积、酿酒葡萄产量和葡萄酒产量见下表： 年度葡萄种植面积（万亩）葡萄产量（万吨）葡萄酒产量（万吨） 1990 1991
1992 1993 1994 1995 1996 1997 1998 250 225 1999 / /
2000 / / 30 2010 / / 80（预计） 注：1公顷=15亩 3. 中国的酿酒葡萄大致分布在以下九个产区：东北产区、渤海湾产区、沙城产区、清徐产区、银川产区、吐鲁番盆地、黄河故道产区、云南高原产区和武威产区。其中年产葡萄酒超过1万吨的6各省市分别为：山东、河北、天津、北京、安徽和河南，这6各省市的葡萄酒产量能够占到中国葡萄酒总产量的80%。 2001年中国葡萄酒行业主要经济指标完成情况 省份产量（万吨）销售收入（亿元）利税总额（亿元） 山东 河北 天津
２01４高教社杯全国大学生数学建模竞赛 承诺书 我们仔细阅读了《全国大学生数学建模竞赛章程》和《全国大学生数学建模竞赛参赛规则》(以下简称为“竞赛章程和参赛规则”，可从全国大学生数学建模竞赛网站下载)。 我们完全明白,在竞赛开始后参赛队员不能以任何方式(包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师)研究、讨论与赛题有关的问题。 我们知道，抄袭别人的成果是违反竞赛章程和参赛规则的，如果引用别人的成果或其他公开的资料(包括网上查到的资料),必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。 我们郑重承诺，严格遵守竞赛章程和参赛规则，以保证竞赛的公正、公平性。如有违反竞赛章程和参赛规则的行为,我们将受到严肃处理。 我们授权全国大学生数学建模竞赛组委会，可将我们的论文以任何形式进行公开展示(包括进行网上公示，在书籍、期刊和其他媒体进行正式或非正式发表等)。 我们参赛选择的题号是(从Ａ/B/C/Ｄ中选择一项填写)：B 我们的报名参赛队号为（8位数字组成的编号）: 所属学校（请填写完整的全名)： 参赛队员(打印并签名) :1. 2． 3．
指导教师或指导教师组负责人(打印并签名): ?（论文纸质版与电子版中的以上信息必须一致,只是电子版中无需签名。以上内容请仔细核对，提交后将不再允许做任何修改。如填写错误，论文可能被取消评奖资格。) 日期： 20１4 年 9 月15日 赛区评阅编号(由赛区组委会评阅前进行编号）:
２０14高教社杯全国大学生数学建模竞赛 编号专用页 赛区评阅编号（由赛区组委会评阅前进行编号）：赛区评阅记录(可供赛区评阅时使用）：
江苏师范大学 第五届（2011）数学建模竞赛 我们选择的题号是： B 我们的参赛队号为：
2012江苏师范大学数学建模竞赛题目 B题研究生录取问题 摘要：根据问题的背景和题目要求，研究在不同条件的研究生录取问题，在对笔试，面试以及导师信息量化，加权平均求解的基础来解决研究生录取的问题。通过构造选择矩阵和满意度矩阵建立导师和学生之间的双向选择矩阵的0-1规划模型。利用测发编程计算求出最优解，从而求得问题的最优方案，同时采用降阶技巧和创建定理，快速的求解出实用的最优解，得到对应的最优方案！ 一问题重述 某学校Ｍ系计划招收10名计划内研究生，依照有关规定由初试上线的前15名学生参加复试，专家组由8位专家组成。在复试过程中，要求每位专家对每个参加复试学生的以上5个方面都给出一个等级评分，从高到低共分为A,B,C,D四个等级，并将其填入面试表内。所有参加复试学生的初试成绩、各位专家对学生的5个方面专长的评分。 该系现有10名导师拟招收研究生，分为四个研究方向。导师的研究方向、专业学术水平（发表论文数、论文检索数、编（译）著作数、科研项目数），以及对学生的期望要求。在这里导师和学生的基本情况都是公开的。要解决的问题是： (1) 首先，请你综合考虑学生的初试成绩、复试成绩等因素，帮助主管部门确定10名研究生的录取名单。然后，要求被录取的10名研究生与10名导师之间做双向选择，即学生可根据自己的专业发展意愿（依次申报2个专业志愿）、导师的基本情况和导师对学生的期望要求来选择导师；导师根据学生所报专业志愿、专家组对学生专长的评价和自己对学生的期望要求等来选择学生。请你给出一种10名研究生和导师之间的最佳双向选择方案（并不要求一名导师只带一名研究生），使师生双方的满意度最大。 (2) 根据上面已录取的10名研究生的专业志愿，如果每一位导师只能带一名研究生，请你给出一种10名导师与10名研究生双向选择的最佳方案，使得师生双方尽量都满意。 (3) 如果由十位导师根据初试的成绩及专家组的面试评价和他们自己对学生的要求条件录取研究生，那么，10名研究生的新录取方案是什么？为简化问题，假设没有申报专业志愿，请你给出这10名研究生各申报一名导师的策略和导师各选择一名研究生的策略。相互选中的即为确定；对于剩下的导师和学生，再按上述办法进行双向选择，直至确定出每一名导师带一名研究生的方案，使师生都尽量满意。 (4) 学校在确定研究生导师的过程中，要充分考虑学生的申报志愿情况。为此，学校要求根据10名导师和15名学生的综合情况选择5名导师招收研究生，再让这5名导师在
2012高教社杯全国大学生数学建模竞赛 承诺书 我们仔细阅读了中国大学生数学建模竞赛的竞赛规则. 我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括、电子、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。 我们知道，抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。 我们重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规则的行为，我们将受到严肃处理。 我们授权全国大学生数学建模竞赛组委会，可将我们的论文以任何形式进行公开展示（包括进行网上公示，在书籍、期刊和其他媒体进行正式或非正式发表等）。 我们参赛选择的题号是（从A/B/C/D中选择一项填写）： A （隐去论文作者相关信息） 日期： 2012 年 9 月 10 日赛区评阅编号（由赛区组委会评阅前进行编号）：
2012高教社杯全国大学生数学建模竞赛 编号专用页 赛区评阅编号（由赛区组委会评阅前进行编号）： 全国统一编号（由赛区组委会送交全国前编号）：全国评阅编号（由全国组委会评阅前进行编号）：
葡萄酒质量的评价 摘要 葡萄酒质量的好坏主要依赖于评酒员的感观评价，由于人为主观因素的影响，对于酒质量的评价总会存在随机差异，为此找到一种简单有效的客观方法来评酒，就显得尤为重要了。本文通过研究酿酒葡萄的好坏与所酿葡萄酒的质量的关系，以及葡萄酒和酿酒葡萄检测的理化指标的关系，以及葡萄酒理化指标与葡萄酒质量的关系，旨在通过客观数据建立数学模型，用客观有效的方法来评价葡萄酒质量。 首先，采用双因子可重复方差分析方法，对红、白葡萄酒评分结果分别进行检验，利用Matlab软件得到样品酒各个分析结果，结合01 -数据分析，发现对于红葡酒有70.3%的评价结果存在显著性差异，对于白葡萄酒只有53%的评价结果存在显著性差异。通过比较可知，两组评酒员对红葡萄酒的评分结果更具有显著性差异，而对于白葡萄酒的评分，评价差异性较为不明显。为了评价两组结果的可信度，借助Alpha模型用克伦巴赫α系数衡量，并结合F检验，得出红葡萄酒第一组评酒员的评价结果可信度更高，而对白葡萄酒的品尝评分，第二组评酒员的评价结果可信度更高。综合来看，主观因素对葡萄酒质量的评价具有不确定性。 结合已分析出的两组品酒师可靠性结果，对葡萄酒的理化指标进行加权平均，最终得出十位品酒师对样品酒的综合评价得分。将每一样品酒的综合得分与其所对应酿酒葡萄的理化指标（一级指标）共同构成一个数据矩阵，采用聚类分析法，利用SPSS软件对葡萄酒样进行分类，根据分类的结果以及各葡萄样品酒综合得分最终将酿酒葡萄分为A（优质）、B（良好）、C（中等）、D（差）四个等级，客观地反映了酿酒葡萄的理化指标与葡萄酒质量之间的联系。 为了分析酿酒葡萄与葡萄酒理化指标之间的联系，采用相关分析法，能有效地反映出两者间的联系，取与葡萄各成分相关性显著的葡萄酒理化指标，与葡萄成分做多元线性回归得出葡萄酒理化指标与酿酒葡萄的拟合方程，从而反映酿酒葡萄与葡萄酒理化指标之间的联系。 由于已经通过回归分析建立了酿酒葡萄和葡萄酒理化指标之间的关系，因此从酿酒葡萄成分对葡萄酒的理化指标的影响，再研究出葡萄酒理化指标与葡萄酒质量的联系，便可作为一个桥梁，反映出葡萄与葡萄酒理化指标对葡萄酒的质量的作用。研究葡萄酒理化指标与葡萄酒质量的联系，需要运用变量间的相关性及Pearson系数法分析葡萄酒的理化指标与葡萄酒质量评价指标的相关性，通过比较选出与葡萄酒评价的一级指标相关性程度大的葡萄酒成分，进行回归分析法，建立酿酒葡萄的理化指标与葡萄酒质量之间的拟合方程，结合各个质量一级指标的权重，从而完成了从葡萄酒成分对葡萄酒质量的客观评价。综合计算结果，与酿酒葡萄分级的结果吻合，所以分析结果较客观。
葡萄酒行业市场分析报告（2004年7月） 目录：１、行业整体运行情况 ２、葡萄酒行业产品分析 ３、葡萄酒行业品牌分析 ４、葡萄酒行业新品分析 ５、葡萄酒行业促销分析 ６、葡萄酒行业热点分析 ７、葡萄酒区域市场分析 ８、葡萄酒市场下月预测 一、行业整体运行概述 7月葡萄酒市场和火爆的饮料和乳品市场相比略显沉默。但在这个承上启下的时间，任何一个葡萄酒企业都没有放松。关税下调后，洋葡萄酒来势汹汹，放下尊贵的身段和国产葡萄酒争夺中低档市场。而国产品牌则在中低档市场苦苦支撑的同时，将重点放在了高档产品的开发上。传播葡萄酒消费理念成为企业的共同选择，他们知道，只有市场培育起来了，才有行业的发展。虽然本月新品很少，但有着向保健方向发展的趋势。本月价格变动不大，主要是因为此时企业多处在休整期，维持现有的市场占有率是绝大部分企业的选择。下月开始，葡萄酒进入销售预热期，市场可能有较大变化。 二、葡萄酒行业产品分析 1、价格行情分析 糖酒快讯市场分析中心对广州、成都、郑州、长沙、武汉、南京、沈阳、济南、北京、上海等10个城市的10个葡萄酒品牌进行了调查，调查的10个
城市中，有60%的城市的葡萄酒价格有波动，它们分别是：北京（5个）、广州（3个）、长沙（2个）、南京（2个）、沈阳（2个）、济南（1个）；40%的城市的葡萄酒价格没有波动，它们是成都、郑州、武汉和上海。调查数据显示：7月葡萄酒价格在华中地区总体波动不大，在华北和华东地区波动相对较强烈。 以下是具体调查情况的图表分析： 注： ①商品采样原则，根据品牌在不同销售点出现的重复次数取样，重复次数多的采为样本 ②样本价格确定原则，不同零售点零售价格的加权平均数 ③表中“/”处表明在该地区未将该品牌作为取样样本 ④抽样城市：广州、成都、郑州、长沙、武汉、南京、沈阳、济南、北京、上海等十个城市
电力市场输电阻塞管理模型 摘要 本文通过设计合理的阻塞费用计算规则，建立了电力市场的输电阻塞管理模型。 通过对各机组出力方案实验数据的分析，用最小二乘法进行拟合，得到了各线路上有功潮流关于各发电机组出力的近似表达式。按照电力市场规则，确定各机组的出力分配预案。如果执行该预案会发生输电阻塞，则调整方案，并对引起的部分序内容量和序外容量的收益损失，设计了阻塞费用计算规则。 通过引入危险因子来反映输电线路的安全性，根据安全且经济的原则，把输电阻塞管理问题归结为：以求解阻塞费用和危险因子最小值为目标的双目标规划问题。采用“两步走”的策略，把双目标规划转化为两次单目标规划：首先以危险因子为目标函数，得到其最小值；然后以其最小值为约束，找出使阻塞管理费用最小的机组出力分配方案。 当预报负荷为982.4MW时，分配预案的清算价为303元/MWh，购电成本为74416.8元，此时发生输电阻塞，经过调整后可以消除，阻塞费用为3264元。 当预报负荷为1052.8MW时，分配预案的清算价为356元/MWh，购电成本为93699.2元，此时发生输电阻塞，经过调整后可以使用线路的安全裕度输电，阻塞费用为1437.5元。 最后，本文分析了各线路的潮流限值调整对最大负荷的影响，据此给电网公司提出了建议；并提出了模型的改进方案。
一、问题的重述 我国电力系统的市场化改革正在积极、稳步地进行，随着用电紧张的缓解，电力市场化将进入新一轮的发展，这给有关产业和研究部门带来了可预期的机遇和挑战。 电网公司在组织电力的交易、调度和配送时，必须遵循电网“安全第一”的原则，同时按照购电费用最小的经济目标，制订如下电力市场交易规则： 1、以15分钟为一个时段组织交易，每台机组在当前时段开始时刻前给出下一个时段的报价。各机组将可用出力由低到高分成至多10段报价，每个段的长度称为段容量，每个段容量报一个段价，段价按段序数单调不减。 2、在当前时段内，市场交易-调度中心根据下一个时段的负荷预报、每台机组的报价、当前出力和出力改变速率，按段价从低到高选取各机组的段容量或其部分，直到它们之和等于预报的负荷，这时每个机组被选入的段容量或其部分之和形成该时段该机组的出力分配预案。最后一个被选入的段价称为该时段的清算价，该时段全部机组的所有出力均按清算价结算。 电网上的每条线路上有功潮流的绝对值有一安全限值，限值还具有一定的相对安全裕度。如果各机组出力分配方案使某条线路上的有功潮流的绝对值超出限值，称为输电阻塞。当发生输电阻塞时，需要按照以下原则进行调整： 1、调整各机组出力分配方案使得输电阻塞消除； 2、如果1做不到，可以使用线路的安全裕度输电，以避免拉闸限电，但要使每条 线路上潮流的绝对值超过限值的百分比尽量小； 3、如果无论怎样分配机组出力都无法使每条线路上的潮流绝对值超过限值的百分 比小于相对安全裕度，则必须在用电侧拉闸限电。 调整分配预案后，一些通过竞价取得发电权的发电容量不能出力；而一些在竞价中未取得发电权的发电容量要在低于对应报价的清算价上出力。因此，发电商和网方将产生经济利益冲突。网方应该为因输电阻塞而不能执行初始交易结果付出代价，网方在结算时应该适当地给发电商以经济补偿，由此引起的费用称之为阻塞费用。网方在电网安全运行的保证下应当同时考虑尽量减少阻塞费用。 现在需要完成的工作如下： 1、某电网有8台发电机组，6条主要线路，附件1中表1和表2的方案0给出了各机组的当前出力和各线路上对应的有功潮流值，方案1~32给出了围绕方案0的一些实验数据，试用这些数据确定各线路上有功潮流关于各发电机组出力的近似表达式。 2、设计一种简明、合理的阻塞费用计算规则，除考虑电力市场规则外，还需注意：在输电阻塞发生时公平地对待序内容量不能出力的部分和报价高于清算价的序外容量出力的部分。 3、假设下一个时段预报的负荷需求是982.4MW，附件1中的表3、表4和表5分别给出了各机组的段容量、段价和爬坡速率的数据，试按照电力市场规则给出下一个时段各机组的出力分配预案。 4、按照表6给出的潮流限值，检查得到的出力分配预案是否会引起输电阻塞，并在发生输电阻塞时，根据安全且经济的原则，调整各机组出力分配方案，并给出与该方案相应的阻塞费用。 5、假设下一个时段预报的负荷需求是1052.8MW，重复3~4的工作。 二、问题的分析
(精编)葡萄酒质量的评 价
2012高教社杯全国大学生数学建模竞赛 承诺书 我们仔细阅读了中国大学生数学建模竞赛的竞赛规则. 我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。 我们知道，抄袭别人的成果是违反竞赛规则的,如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。 我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规则的行为，我们将受到严肃处理。 我们授权全国大学生数学建模竞赛组委会，可将我们的论文以任何形式进行公开展示（包括进行网上公示，在书籍、期刊和其他媒体进行正式或非正式发表等）。 我们参赛选择的题号是（从A/B/C/D中选择一项填写）： A （隐去论文作者相关信息） 日期：2012 年9 月10 日 赛区评阅编号（由赛区组委会评阅前进行编号）： 2012高教社杯全国大学生数学建模竞赛 编号专用页 赛区评阅编号（由赛区组委会评阅前进行编号）： 赛区评阅记录（可供赛区评阅时使用）： 评
阅 人 ,,,,,,,,,, 评 分 ,,,,,,,,,, 备 注 ,,,,,,,,,, 全国统一编号（由赛区组委会送交全国前编号）：全国评阅编号（由全国组委会评阅前进行编号）：
葡萄酒质量的评价 摘要 葡萄酒质量的好坏主要依赖于评酒员的感观评价，由于人为主观因素的影响，对于酒质量的评价总会存在随机差异，为此找到一种简单有效的客观方法来评酒，就显得尤为重要了。本文通过研究酿酒葡萄的好坏与所酿葡萄酒的质量的关系，以及葡萄酒和酿酒葡萄检测的理化指标的关系，以及葡萄酒理化指标与葡萄酒质量的关系，旨在通过客观数据建立数学模型，用客观有效的方法来评价葡萄酒质量。 首先，采用双因子可重复方差分析方法，对红、白葡萄酒评分结果分别进行检验，利用Matlab软件得到样品酒各个分析结果，结合数据分析，发现对于红葡酒有的评价结果存在显著性差异，对于白葡萄酒只有53%的评价结果存在显著性差异。通过比较可知，两组评酒员对红葡萄酒的评分结果更具有显著性差异，而对于白葡萄酒的评分，评价差异性较为不明显。为了评价两组结果的可信度，借助Alpha模型用克伦巴赫系数衡量，并结合检验，得出红葡萄酒第一组评酒员的评价结果可信度更高，而对白葡萄酒的品尝评分，第二组评酒员的评价结果可信度更高。综合来看，主观因素对葡萄酒质量的评价具有不确定性。 结合已分析出的两组品酒师可靠性结果，对葡萄酒的理化指标进行加权平均，最终得出十位品酒师对样品酒的综合评价得分。将每一样品酒的综合得分与其所对应酿酒葡萄的理化指标（一级指标）共同构成一个数据矩阵，采用聚类分析法，利用SPSS软件对葡萄酒样进行分类，根据分类的结果以及各葡萄样品酒综合得分最终将酿酒葡萄分为A（优质）、B（良好）、C（中等）、D（差）四个等级，客观地反映了酿酒葡萄的理化指标与葡萄酒质量之间的联系。 为了分析酿酒葡萄与葡萄酒理化指标之间的联系，采用相关分析法，能有效地反映
关于中国进口红酒的 市场调查分析报告 一、调查背景 随着国外葡萄酒市场的持续低迷，中国市场已成 为世界各葡萄酒产国的避风港。作为当前葡萄酒消费 量增长最强劲的中国，市场现状与未来趋势到底如何? 伴随着国外市场的低迷而中国却在加入WTO之后，随着葡萄酒进口关税税率从 65%一路降至 14%(瓶 装)和 20%(散装 ) ，进口葡萄酒在中国的机会开始大 幅显现。越来越多的国外葡萄酒如潮水般涌入国内市 场，进口量持续高速增长。数千个品牌，几十个品种，以及新旧世界葡萄酒的不同分级方法让消费者眼花缭 乱。各国外葡萄酒企业及其中国的合作伙伴们均使出 浑身解数，力图在中国这个当前全球最大的新兴葡萄 酒市场上尽可能多的分得一杯羹，把握住这个难得的 机遇。 二、市场分析 1、红酒市场目前的容量分析 (1)、目前消费在认知度分析 A、中国葡萄酒文化相对世界相比很薄弱，属于有历史
无文化的情况。中国的葡萄酒文化营销处于初级阶段，既学习和接受欧美的葡萄酒文化。大部分消费者通过影视剧，广告片和网络了解红酒认识红酒。但深层次 的红酒文化教育仍然十分缺乏。导致大多数消费者仍 处于“乱喝” B、“没有文化，葡萄酒就是昂贵的饮料”。 (2)、与世界消费认知的差距 A、我国目前的葡萄酒产业仍处在培育期。目前人均消费 0.61 升，城镇人均消费葡萄酒 1.1 升。与世界人均 6升多的消费量差距很大。从国内饮料酒的消费结构看，葡萄酒也仅占酒类年消费总量的 1.6%。 B、在饮用上，中国人完全省略了观、晃、闻、品的步 骤，一口一杯还觉着不过瘾 C、我国葡萄酒的消费水平低原因有两个方面：一是引 入时间短，二是居民收入低 (2)、进口红酒的市场成熟度与容量分析 A、从 04 年至 09 年的 6 年中，瓶装进口葡萄酒总量连 续多年保持了高速增长态势。据海关最新统计数据显示，2009 年全国瓶装酒进口葡萄酒总量达到了创纪录 的84360 吨，比 2008 年的 55500 吨新增 28860 吨，增长比率为 52%，比 2007 年的 48815 吨增长 72.8%，比2004 年的 7080 吨增长了 10 倍多。2009 年葡萄酒进口
摘要：本文主要论述了干红葡萄酒生产技术及关键点控制，干红葡萄酒的生产关键点主要有：优选原料、严格控制工艺条件、防止金属污染和做好澄清处理，根据质量确定技术方案。 关键词：干红葡萄酒工艺控制 前言 世界生产葡萄酒的历史已有5000多年，在我国也有2000多年的历史了。但由于受经济、酒文化、生活习惯、饮食习惯等多方面的影响，葡萄酒工业生产经历了几起几落的考验，直至二十世纪九十年代后期才开始进入较为正规生产轨道。葡萄酒的种类很多，风格各异，按照不同的方法可以将葡萄酒分为若干类。我们谈到的干红葡萄酒和干白葡萄酒。 虽然葡萄酒的种类很多，风格，口味各异，但其主要生产工艺和主要成分却大致相同。葡萄酒的生产酿造，离不开葡萄原料，酿酒设备及酿造葡萄酒的工艺技术，三者缺一不可。要酿造好的葡萄酒，首先要有好的葡萄原料，葡萄原料奠定了葡萄酒质量的物质基础。葡萄酒质量的好坏，主要取决于葡萄原料的质量，因为不同的葡萄品种达到生理成热以后，具有不同的香型，不同的糖酸比。其次要有符合工艺要求的酿酒设备，第三要有科学合理的工艺技术。原料和设备是硬件，工艺技术是软件。在硬件规定的前提下，产品质量的差异就只能取决于酿造葡萄酒的工艺技术和严格的质量控制。 1.葡萄酒的起源 关于葡萄酒的起源，众说纷纭，有的说，起源于古埃及，或古希腊，抑或希腊克里特岛（clete）。而据现有的葡萄酒档案资料来研究分析，确切的说，应是一万年前我们共同的祖先酿造了葡萄酒，从而随着葡萄酒文化流传到今天。据史料表明，葡萄栽培和酿造技术，是随着旅行者和新疆的疆土征服者，从小亚西亚（AalaMinon）和埃及，在到达希腊及其诸海岛之前，先流传到希腊的克里特岛，再经意大利的西西里岛，北非的利比亚和意大利，从海上到达法国濒临地中海东南的瓦尔省（Var）境内靠海的普罗旺斯地区和西班牙沿海地区；与此同时，通过陆路，由欧洲的多瑙河河谷进入中欧诸国。 1.1 据考古记载 在古埃及，特别在尼罗河河谷地带，从发掘的墓葬群中，考古学家发现一种底部小圆，肚粗圆，上部颈口大的盛液体的土罐陪葬品；经考证，这是古埃及人用来装葡萄酒或油的土陶罐；在古希腊，在考古发掘中，在一座墓穴里，发现墓壁上有一幅公元前二世纪的浮雕；希腊阿波罗（Apollon）和胜利女神（Vlctolre）共向造物主（God）贡献葡萄的景观；在埃及十八代王朝时期的那黑特（Nakht）古墓中，发掘出一幅壁面（
海南大学课程论文 课程名称：葡萄酒初级知识 题目名称：葡萄酒的历史文化 学院：经济与管理学院 专业班级：2010级金融实验班 姓名：张辰 学号：20100602310061 评阅意见 评阅成绩 评阅教师： 2010年月日
葡萄酒的历史文化 摘要：本文简要介绍了葡萄酒在世界各国的发源及发展，分析了各国葡萄酒和葡萄酒文化的差异以及葡萄酒能够成为一种文化的原因，帮助更好的了解葡萄酒和品尝葡萄酒。 关键词：葡萄酒，历史，文化 正文： 当今世界，葡萄酒已经成为一种潮流，一种文化，是高雅与品味的代名词，那么葡萄酒究竟是从什么时候开始酿造的呢，它的发展到底有什么故事呢？ 葡萄酒的产生： 据史料记载，在一万年前的新石器时代濒临黑海的外高加索地区，即现在的安纳托利亚(古称小亚细亚)、格鲁吉亚和亚美尼亚，都发现了积存的大量的葡萄种子，说明当时葡萄不仅仅用于吃，更主要的是用来榨汁酿酒。多数史学家认为，葡萄酒的酿造起源于公元前6000年古代的波斯，即现今的伊朗。对于葡萄的最早栽培，大约是在7000年前始于前苏联南高加索、中亚细亚、叙利亚、伊拉克等地区。后来随着古代战争、移民传到其它地区。 古代希腊，罗马是当今西方文明的起源，现在我们来看看葡萄酒在这两个文明的发展。 古希腊的葡萄酒 对于希腊，是欧洲最早开始种植葡萄与酿制葡萄酒的国家，一些航海家从尼罗河三角洲带回葡萄和酿酒的技术。葡萄酒不仅是他们璀璨文化的基石，同时还是日常生活中不可缺少的一部分。在希腊荷马的史诗中就有很多关于葡萄酒的描述，《伊利亚特》中葡萄酒常被描绘成为黑色。而他对人生实质的理解也表现为一个布满黑葡萄的田园风情的葡萄园。据考证，古希腊爱琴海盆地有十分发达的农业，人们以种植小麦、大麦、油橄榄和葡萄为主。大部分葡萄果实用于做酒，剩余的制干。几乎每个希腊人都有饮用葡萄酒的习惯。酿制的葡萄酒被装在一种特殊形状的陶罐里(图3)，用于储存和贸易运输，这些地中海沿岸发掘的大量容器足以说明当时的葡萄酒贸易规模和路线，显示出葡萄酒是当时重要的贸易货品之一。在美锡人时期(公元前 1600-1100年)，希腊的葡萄种植已经很兴盛，葡萄酒的贸易范围到达埃及、叙利亚、黑海地区、西西里和意大利南部地区。葡萄酒不仅是酒和贸易的货物，也是希腊宗教仪式的一部份。 古罗马的葡萄酒 公元前六世纪，希腊人把葡萄通过马赛港传入高卢(现在的法国)，并将葡萄栽培和葡萄酒酿造技术传给了高卢人。高卢人从希腊人那里学会了葡萄栽培和葡萄酒酿造技术后，在意大利半岛全面推广葡萄酒，很快就传到了罗马，并经由罗马人之手传遍了全欧洲。在公元一世纪时葡萄树遍布整个罗纳河谷，二世纪时葡萄树遍布整个勃艮第和波尔多；三世纪时已括抵卢瓦尔河谷；最后在四世纪时出现在香槟区和摩泽尔河谷，原本非常喜爱大麦啤酒和蜂蜜酒的高卢人很快地爱上葡萄酒并且成为杰出的葡萄果农。由于他们所产生的葡萄酒在罗马大受欢迎，使
承诺书 我们仔细阅读了中国大学生数学建模竞赛的竞赛规则. 我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。 我们知道，抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。 我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规则的行为，我们将受到严肃处理。 我们授权全国大学生数学建模竞赛组委会，可将我们的论文以任何形式进行公开展示（包括进行网上公示，在书籍、期刊和其他媒体进行正式或非正式发表等）。 我们参赛选择的题号是（从A/B/C/D中选择一项填写）： A 我们的参赛报名号为（如果赛区设置报名号的话）： 所属学校（请填写完整的全名）：长江师范学院 参赛队员(打印并签名) ：1. 李蓉 2. 马艳 3. 周成楷 指导教师或指导教师组负责人(打印并签名)：廖江东 日期： 2012 年 9 月 10 日赛区评阅编号（由赛区组委会评阅前进行编号）：
编号专用页 赛区评阅编号（由赛区组委会评阅前进行编号）： 全国统一编号（由赛区组委会送交全国前编号）：全国评阅编号（由全国组委会评阅前进
葡萄酒质量的评价模型 摘要 本文围绕葡萄酒的质量评价问题进行讨论，主要应用数据的统计原理以及数据的处理方法对酿酒葡萄的分级、葡萄酒和葡萄的理化指标的联系、以及葡萄酒质量评价问题建立了模型，并对模型做了较详细的模型检验，客观地实现了问题的解决。 问题（1），是一个数据统计问题，首先对红、白葡萄酒每类酒的样本数据建立了两独立样本的T检验模型，通过对比T统计量t值与T分布表给出的相伴概率值之间的大小，得出两组数据样本具有显著性差异。对于两数据样本的可信度问题，本文巧妙通过对每类的两个数据样本的均值方差的图像分析和对客观的评价准则考虑，得出结果：第二组评酒员给出的分数更具有可信性。 问题（2），属于多方案排序问题，首先利用问题（1）中的结果得到两组样品的有效性较高的评分数据样本，并借以建立了排序模型。同时本文还应用逼近理想解排序法（TOPSIS法），得出了两类葡萄酒质量的排序，然后通过权重法筛选出氨基酸、糖、蛋白质作为核心理化指标。最后基于“层次分析法”评价模型建立分级评价模型，通过权重算法得到以核心量化指标的贴近度作为分级的标准，确定出了对酿酒葡萄的四个等级：（见表4-15、4-16）。 问题(3)，对附件2中一级指标下的多重数据进行求平均值处理获得该级指标的最优值，建立了多元线性回归模型，首先对酿酒红、白葡萄的30种一级指标进行筛选，筛选出众多核心理化指标的最优值,并采用“逐步回归”的方法，针对多重数据下的多种指标进行分别拟合，从中抽出拟合最好的一组数据和结果进行图像分析，得出整体的酿酒葡萄与葡萄酒的理化指标成正相关的关系。 问题（4），本文基于问题（1）、问题(2)和问题（3）的研究结果，首先针对酿酒葡萄和葡萄酒的理化指标对葡萄酒质量影响问题，建立了多元回归分析模型，并运用逐步回归方法对这里的最优值进行有效而合理的筛选，之后将筛选得到的多个理化指标给与拟合，并对其进行图像分析，得出筛选出来的5个一级指标就可以反映出整体的关系，最后应用这个结果论证出：用葡萄和葡萄酒的理化指标来判断葡萄酒的质量是不全面的。 关键词：葡萄酒的评价 T检验层次分析法多元线性回归分析逐步回归法
中国葡萄酒行业市场分析报告 一、关于中国葡萄酒生产、葡萄酒生产企业概况以及葡萄酒进出口、进口葡萄酒价格 （1）中国年酒葡萄种植面积、酿酒葡萄产量和葡萄酒产量 1. 在中国，葡萄酒还不是主流的饮用酒水。在大多数消费者的日常生活中，白酒和啤酒消费还占有很大的比重，具体数据见下表： 1988-1997年中国酒水产量比较对照表单位：万吨 年度酒水总产量白酒啤酒黄酒葡萄酒果酒酒精 1988 1357.29 468.54 662.77 85.9 30.85 109.23 108.78 1989 1284.63 448.31 643.41 83.66 27.18 82.07 107.79 1990 1385 513.91 692.23 75.5 25.4 78.2 129.3 1991 1538.92 524.48 838.37 80.64 24.10 71.24 136 1992 1752.71 547.43 1020.66 93.26 24.60 66.66 145.03 1993 1967.43 593.67 1190.08 103.61 23.60 56.45 151.24 1994 2233 651.29 1414.66 104.81 18.00 44.26 170.47 1995 2567.34 798.62 1568.82 134.53 22.90 42.45 227.81 1996 2650.94 801.3 1681.91 119.70 17.00 31.00 200.28 1997 2834.11 781.79 1888.94 121.63 18.55 23.20 213.28 2. 酿酒葡萄种植面积、酿酒葡萄产量和葡萄酒产量见下表： 年度葡萄种植面积（万亩）葡萄产量（万吨）葡萄酒产量（万吨） 1990 183.9 85.9 25.40 1991 170.8 91.6 24.10 1992 208.5 112.5 24.60 1993 212.8 135.5 23.60 1994 223.3 152.2 18.00 1995 228.9 174.2 22.90 1996 230.2 188.3 17.00
题目葡萄酒的评价 摘要 近年来，我国掀起了一场葡萄酒热，对葡萄酒的需求与日俱增，特别是随着食品科学技术的发展，人们不再满足传统感官评价葡萄酒的水平，如何运用数据资料定量研究葡萄酒的品质，加快建立葡萄酒市场指标规则成为人们关注的焦点。随着经济的高速发展，葡萄酒作为一种跨国际的交流饮品越来越受欢迎，大量的古籍表明，中国是世界葡萄的起源中心，所以也很有可能是葡萄酒的起源国家。早在我国文化巨著诗经中，就有元代的酒，比起前代来要丰富得多。红葡萄酒十分常见，而对应的白葡萄酒，能使人精神焕发，心身舒泰，当然还能解渴，使人陶然而醉。白葡萄酒往往比红葡萄酒更具异香之质，而酿造能让它的芳香更上层楼。白葡萄酒往往不像红葡萄酒那样贮藏愈久愈好，而能发展其复合性，在瓶中渐渐演化、增加风味的白葡萄酒就更少了。 本文对影响葡萄酒品酒员对葡萄酒质量评价的因素进行分析，建立数学模型。问题一根据层次分析法对品酒员自己的嗅觉、味觉以及品酒场所和心情因素分析影响葡萄酒品酒员品酒好坏的因素并对这些因素进行排序。通过建立层次分析，然后构造判断矩阵同时赋值的方法，用matlab求出该矩阵最大特征值及此特征值对应的特征向量对u进行归一化处理，得出权重系数向量，对权重系数向量进行一致性检验。 问题二要求研究两组品酒员的评价结果有无显著性差异，这便可通过葡萄酒品尝评分表中第一组和二组白葡萄酒和红葡萄酒进行分析比较，每组都十人，从酒的外观分析(澄清度、色调)，香气分析（纯正度、浓度、质量），口感分析（纯正度、浓度、持久性、质量），最后得出酒样的整体评价，由于数据量大，涉及因素多，我们无法甄别，本文用spass软件进行分析，求出每位评酒员对每种葡萄酒样品的各项指标的均值，通过对各项指标的离散系数进行分析。通过一致性检验的方法得出两组具有显著性差异，得出结论第一组更可信。 关键词层次分析法一致性检验matlab s p a s s
葡萄酒的评价 摘要 本文主要采用数学统计与分析方法，利用EXCEL,MATLAB等工具解决了有关葡萄酒质量评价的一系列问题。 关于问题一，分析判断两组评酒员评价结果有无显著性差异及哪组结果更可信。首先我们采用t-检验法，根据T值判断差异的显著性，代入数据后求得 P T t 双尾=0.00065<0.01，即两组评价结果差异性显著。然后将第一组10位() 评酒员对于酒样品所给评分的方差值与第二组10位评酒员对于酒样品所给评分的方差值做比较，得出第一组的方差较大，所以认为第一组评酒员打分较为严格，即更可信。 关于问题二，在不确定酿酒葡萄的理化指标和葡萄酒的质量之间的关系的情况下，运用主成分分析法粪别根据酿酒葡萄的理化指标和葡萄酒的质量对酿酒葡萄进行了分级，将红葡萄、白葡萄各分成了优质、较好、一般、劣质四个等级，结果详见表5.2.1至表5.2.4。 关于问题三，采用回归分析法，计算出酿酒葡萄与葡萄酒所共有的理化指标之间的相关系数，结果详见表5.3.1和表5.3.2，其相关系数的绝对值越大表示联系程度越紧密。 关于问题四，首先根据问题三的结果可知酿酒葡萄与葡萄酒的理化指标之间的联系，将分析过程简化为只考虑葡萄酒的理化指标对葡萄酒质量的影响。然后查阅资料结合附表1，总结出口感和外观为葡萄酒质量的决定因素，而总酚、色泽、花色苷这三个理化指标为主要影响葡萄酒质量的因素。最后结合附件3，发现芳香物质对葡萄酒质量也有影响，否定了用葡萄和葡萄酒的理化指标来评价葡萄酒的质量的可行性。 关键词：葡萄酒质量的评价EXCEL MATLAB 、主成分分析相关系数T-检验
1.问题重述 确定葡萄酒质量时一般是通过聘请一批有资质的评酒员进行品评。每个评酒员在对葡萄酒进行品尝后对其分类指标打分，然后求和得到其总分，从而确定葡萄酒的质量。酿酒葡萄的好坏与所酿葡萄酒的质量有直接的关系，葡萄酒和酿酒葡萄检测的理化指标会在一定程度上反映葡萄酒和葡萄的质量。附件1给出了某一年份一些葡萄酒的评价结果，附件2和附件3分别给出了该年份这些葡萄酒的和酿酒葡萄的成分数据。请尝试建立数学模型讨论下列问题： 1. 分析附件1中两组评酒员的评价结果有无显著性差异，哪一组结果更可信？ 2. 根据酿酒葡萄的理化指标和葡萄酒的质量对这些酿酒葡萄进行分级。 3. 分析酿酒葡萄与葡萄酒的理化指标之间的联系。 4．分析酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的影响，并论证能否用葡萄和葡萄酒的理化指标来评价葡萄酒的质量？ 2.问题分析 问题一要分析两组评酒员的评价结果有无显著性差异并判断哪一组结果更可信。由于题目中有数据缺失和错误数据，我们采用曲线拟合处理这一问题。因为所给数据是小样本，总体标准差 未知的正态分布资料，因此采用T检验，根据所求得的P值判断两个平均数的差异是否显著。然后将第一组10位评酒员对于酒样品所给评分的方差值与第二组10位评酒员对于酒样品所给评分的方差值做比较，方差大的一组则说明其打分较为严格，即说明他们对待评酒较为认真，从而认为其较为可信。 问题二要求根据酿酒葡萄的理化指标和葡萄酒的质量对这些酿酒葡萄进行分级。考虑到不清楚葡萄酒的理化指标与葡萄酒的质量之间的关系，所以分为两种情况进行分组分析。首先根据酿酒葡萄的理化指标,采用主成分分析法给酿酒葡萄综合评分并排序，根据综合评分的排序结果对酿酒葡萄样品分级；然后将问题一所得出的较为可信的一组酒样品的评分作为葡萄酒的质量并以此分级，此即为各葡萄酒样品对应的酿酒葡萄样品的另一种分级情况。 问题三要求分析酿酒葡萄与葡萄酒理化指标之间的联系，即要求得出它们各项理化指标之间联系的紧密程度，所以采用回归分析的方法计算它们的各理化指标的相关系数，然后以相关系数的绝对值大小表示它们之间联系的紧密程度。 问题四要求探究酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的影响，并判断用葡萄和葡萄酒的理化指标来评价葡萄酒的质量的可行性。考虑到问题三已经得出酿酒葡萄和葡萄酒理化指标之间的联系，且葡萄酒的理化指标相对较少，因此选择分析葡萄酒的理化指标对葡萄酒质量的影响。可以通过前面的结果，得出葡萄酒的理化指标对葡萄酒产生影响的几个主要因素，再依据这几个因素结合葡萄酒质量排序，便可以得出这几个因素对葡萄酒质量的影响。第二小问将附表3中的芳香物质考虑进来，判断其对葡萄酒质量是否有影响，从而论证能否用葡萄和葡萄酒的理化指标来评价葡萄酒的质量。
葡萄酒市场调研报告 一.调研目的： 1、初步了解样本市场主要大型商场和超市甜型葡萄酒的市场现状，分析武汉市场甜型葡萄酒的整体情况。 2、收集样本市场主要大型商场和超市不同品牌葡萄酒的市场分布、销售价格、销售状况以及同一品牌葡萄酒的产品分类、销售价格、销售状况，并进行对比分析。寻找武汉市场最佳突破点。 3、了解样本市场消费者对葡萄酒的需求层次、品牌认知程度。 4、了解样本市场消费者的饮酒（葡萄酒）类型、习惯、场合、男女比例、年龄层次等因素，挖掘潜在市场消费者。 二.调研方法： 1、大型商场超市的走访和调研； 2、与部分商场超市促销员的个别访谈调研； 3、与部分商场超市消费者的个别访谈调研； 4、在互联网上查找资料进行补充。 三．调研概况： 2002年3月24日至2002年3月25日对样本主要大型商场和超市进行了市场走访和调研。此次调研的大型商场和超市包括：中南超市、亚贸超市、中百仓储超市（武昌珞狮路店）、徐东平价超市、麦德龙超市（徐东店）、好又多超市（民意广场）、家乐福超市（武胜路十升店）、武商千禧龙超市、武汉广场、世贸广场、华联超市（汉阳店）等。这些商场超市为武汉市场知名度较高的商场超市，几乎垄断了武汉市场大部分百货零售和批发；另外，它们分布于武昌、汉口、汉阳，由点及面辐射整个武汉三镇因此，上述调研的样本可以比较真实地反映武汉市场葡萄酒销售现状。 本次调研普遍感受到消费者在选择甜型葡萄酒时较为看重产品品牌、葡萄酒的包装、葡萄酒的价位和葡萄酒的容量。以上四点是促成消费者购买某一品牌甜型葡萄酒产品的主要因素。而在选择档次较高的的干红时则更注重品牌，对品牌似乎已经产生一定的忠诚度。像张裕、王朝等强势品牌，无论其甜型葡萄酒还是其干红葡萄酒都在武汉市场取得了不错的销售佳绩。但是如果加上促销手段，那么情况就有一定的变化。例如威龙系列产品，历来是人们公认的低档产品制造商。但是，在武汉一些卖场，他们开展了一些买一送一的促销活动，销售量就立刻超过了几大品牌。 在武汉市场红酒主要品牌排序：张裕、长城、王朝、威龙。张裕大约占30％左右的市份额。丰收一般化。
B甲004 目录 摘要 (3) 关键词 (3) 一、系统方案 (3) 1.1、方案比较与论证 (3) 1.1.1、控制器模块 (3) 1.1.2、电机及驱动模块 (3) 1.1.3、测速模块 (4) 1.1.4、音频产生模块 (4) 1.1.5、无线收发模块 (4) 1.1.6、声音采集处理模块 (4) 1.2、最终方案 (4) 二、电路设计 (5) 2.1、系统组成 (5) 2.2、电动机驱动电路 (5) 2.3、行程测量模块 (5) 2.4、声光报警模块 (6) 2.5、周期性音频脉冲信号产生模块 (6) 2.6、无线收发模块设计 (6) 2.7、声音采集计算系统 (6) 三、软件设计 (7) 3.1、电机驱动部分流程图 (7) 3.2、主程序流程图 (7) 3.3单片机控制MMC-1芯片的程序 (7) 3.4无线接收模块程序 (7) 四、系统测试 (8) 4.1、测试仪器 (8) 4.2、调试 (8) 4.2.1 速度调试 (8) 4.2.2 功率放大测试 (8) 4.2.3 声源频率测试 (8) 4.2.4 声音接收测试 (8) 五、总结 (9) 5.1、结论 (9) 5.2、结束语 (9) 六、参考文献 (9) 七、附录 (9) 附录一、部分电路原理图 (9) 附录二、主程序流程图 (11) 附录三、部分程序附录 (13)
摘要： 本课题设计制作小组本着简单、准确、可靠、稳定、通用、性价比低的原则，采用STC89C52作为声源系统的控制核心，使用凌阳SPCE061A作为音频信号分析处理系统核心，应用电机控制ASSP芯片MMC-1驱动电机。本系统电路分为声源移动模块,声音产生模块，声音采集处理模块，无线控制模块和显示报警模块。声音收发和无线传输模块测量声源与声音接收器之间的距离，控制声源移动。首先测量声源S距A、B的距离差，距离差为零表示小车已运动到OX线，然后测量S距A、C的距离差，距离差为零表示小车寻找到W点。小车在OX线上运动时，利用S距A、B的距离差校正路线，同时声光报警，LCD液晶显示屏显示小车运行路程和时间。 关键词：STC89C52；电机控制芯片MMC-1；PT2262/2272无线收发；周期性音频脉冲信号；TEA2025B音频放大 一、系统方案 1.1方案比较与论证 根据题目要求，本系统主要由控制器模块、直流电机及其驱动模块、声音产生模块，声音采集处理模块和无线控制模块、声光报警模块等构成。为较好的实现各模块的功能，我们分别设计了几种方案并分别进行了论证。 1.1.1控制器模块 方案一：采用大规模可编程逻辑器件（如FPGA）作为系统的控制中心，目前，大规模可编程逻辑器件容量不断增大，速度不断提高，且多具有ISP功能，也可以在不改变硬件电路的情况下改变功能，但在本系统中，它的高处理功能得不到从分利用，还考虑到VHDL语言描述也没有单片机语言那么方便，所以这个方案不采用。 方案二：采用单片机STC89C52作为中心控制器。STC89C52单片机算数运算功能强，软件编程灵活，自由度大，具有超低功耗，抗干扰能力强等特点。还具有ISP在线编程功能，在改写单片机存储内部的程序时不需要将单片机从工作环境中取出，方便快捷。在后来的实验中我们发现，STC89C52精确度和运算速度也都完全符合我们系统的要求。故采用STC89C52单片机为我们整个系统的控制核心。 1.1.2 电机及驱动模块 采用电机控制ASSP 芯片MMC-1驱动（实物图如图1）。MMC-1为多通道两相四线式步进电机/直流电机控制芯片，基于NEC 电子16 位通用MCU（ PD78F1203）固化专用程序实现，支持UART 和SPI 串行接口。MMC-1 共有三个通道电机控制单元，通过设置寄存器可分别设置工作模式，实现不同功能。可以用来驱动直流电机和步进电机。 方案一：采用步进电机。步进电机是数字控制电机，不但控制精度高，而且简单可靠，但价格过高，重量大，占用端口资源多且控制复杂，不予采用。 2